融合梅尔谱和循环残差的小样本音频分类模型

针对小样本环境下音频信号分类精度急需提高的问题,首先提出自适应梅尔滤波算法提取具有更高区分度的梅尔谱图,再提出循环残差结构并结合迁移和微调构建循环残差网络频谱分类器,融合自适应梅尔滤波算法和循环残差网络频谱分类器生成一种主要用于小样本环境的音频信号分类模型。以ESC-50、music speech、Free ST Chinese Mandarin Corpus(FSCMC)为源数据集模拟四个不同属性的小样本环境。仿真显示在各小样本环境下生成模型的分类精度与MF-VGG16、10 layers CNN、CRBM等模型相比均有一定程度的提高,且精度曲线更平滑,性能更稳定。